Redisson 3.46.0版本发布:可靠队列与分布式锁增强
项目简介
Redisson是一个基于Redis的Java驻留内存数据网格(In-Memory Data Grid)和分布式服务框架,它为Java开发者提供了丰富的分布式对象和服务,简化了在分布式环境下的编程工作。Redisson通过封装Redis的复杂操作,提供了易用的API,支持分布式锁、集合、队列、原子操作等多种功能。
版本亮点
新增可靠队列功能
3.46.0版本引入了全新的RReliableQueue(可靠队列)对象,这是一个重要的功能增强。可靠队列解决了传统Redis队列在极端情况下可能丢失消息的问题,通过持久化机制确保消息不会丢失。这一特性特别适合对消息可靠性要求高的场景,如金融交易、订单处理等关键业务。
值得注意的是,随着可靠队列的引入,RDelayedQueue和RBoundedBlockingQueue已被标记为废弃状态,开发者应考虑迁移到新的可靠队列实现。
分布式锁功能增强
新版本对分布式锁功能进行了多项改进:
-
新增
fairLockWaitTimeout配置项,允许设置公平锁的等待超时时间,这对于需要严格控制资源访问顺序的场景非常有用。 -
改进了看门狗机制(Watchdog),修复了可重入锁(reentry locks)下的续期问题,确保锁在长时间操作中不会意外释放。
-
新增
credentialsReapplyInterval配置,可以设置凭证重新应用的间隔时间,增强了连接安全性。
序列化支持扩展
Kryo5Codec现在支持JDK原子对象的序列化,这使得在分布式环境中使用Java原子类(如AtomicInteger、AtomicLong等)更加方便。
重要变更与改进
默认行为调整
useScriptCache配置项现在默认为true,这意味着Redisson会自动缓存Lua脚本以提高性能,减少网络开销。
性能与稳定性优化
-
修复了
RBatch批量操作中异常处理的问题,现在异常对象会正确包含所有被抑制的异常。 -
解决了
RKeys.unlinkByPattern()和RKeys.deleteByPattern()方法处理非ASCII字符键名的问题。 -
修复了
RenewalTask可能抛出IndexOutOfBoundsException的问题。 -
改进了
CommandAsyncService.syncedEval()方法对备用节点的更新逻辑。
特定框架集成改进
对于使用Micronaut框架的开发者,修复了异步缓存中expire-after-write和expire-after-access设置不生效的问题。
开发者注意事项
-
不兼容变更:Spring Cloud Stream Binder的队列实现已替换为
RReliableQueue,相关应用需要评估影响。 -
API变更:
RedisPubSubConnection的removeListener()和addListener()方法签名发生了变化,需要检查相关代码。 -
废弃提醒:
RDelayedQueue和RBoundedBlockingQueue已被标记为废弃,建议规划迁移到新的可靠队列实现。
总结
Redisson 3.46.0版本通过引入可靠队列、增强分布式锁功能以及多项稳定性改进,进一步提升了其在分布式系统开发中的实用性和可靠性。这些改进使得Redisson在处理高并发、分布式事务等场景时更加稳健,为开发者提供了更强大的工具来构建分布式应用。建议现有用户评估升级,特别是那些对消息可靠性要求高的应用场景。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00